1.一种实现机器人车载导航装置实测坐标校正与预测的方法，其特征在于，包括以下步骤：步骤1：利用导航装置所提供的机器人实时室内坐标值和历史机器人室内坐标，分别形成三维坐标轴上的三组坐标时间序列；

步骤2：利用坐标时间序列构建预测模型，然后使用预测模型获取下一时刻的机器人室内坐标，以机器人室内坐标预测值和实测值进行比较：若两者误差超过误差设定值，则将机器人室内坐标预测值作为机器人下一时刻室内坐标，否则，将机器人室内坐标实测值作为机器人下一时刻室内坐标；

步骤3：将机器人下一时刻室内坐标存入坐标时间序列中，更新坐标时间序列，返回步骤2，实现机器人车载导航装置实测坐标的校正与预测，直到机器人停止运动。

2.根据权利要求1所述的方法，其特征在于，所述步骤2中利用坐标时间序列构建预测模型包括三个坐标轴的预测模型，每个坐标轴上的预测模型的构建步骤相同，模型构建步骤以及使用预测模型获取下一时刻的机器人室内坐标具体过程如下：步骤A：利用卡尔曼滤波算法对机器人的一坐标轴上的坐标时间序列进行滤波处理；

步骤B：利用混合分解策略对滤波后的坐标时间序列进行分解，获得分解坐标序列群；

步骤C：对分解坐标序列群分段采用卡尔曼滤波算法建立卡尔曼滤波预测模型；

步骤D：利用各段卡尔曼滤波预测模型获得的预测值进行求和处理，获得对应坐标轴上下一时刻的坐标预测值。

3.根据权利要求2所述的方法，其特征在于，所述步骤B中利用混合分解策略对滤波后的坐标时间序列进行分解，具体过程如下：首先，运用快速集成经验模式分解算法对滤波后的机器人坐标序列进行分解，获得机器人坐标序列群，即一次分解坐标序列群；

其次，利用增广迪基富勒检验模型对上述的机器人坐标序列群逐个进行平稳性检验，若存在坐标序列的ADF检验结果呈现为非平稳，则利用小波算法对ADF检验结果呈现非平稳的序列进行第二次分解，并将第二次分解后所获得的坐标序列群替代一次分解坐标序列群中对应的非平稳序列，获得最终用于预测计算的拟预测坐标序列群。